VectoRex: VectoRex 是一个纯 Java 实现的高性能、可扩展的向量搜索引擎，专为现代 AI 和大数据应用设计。它结合了高效的向量索引（HNSW）和强大的标量索引（倒排索引、范围索引），支持复杂的混合查询（向量 + 标量），适用于推荐系统、图像搜索、自然语言处理等场景。

# **VectoRex**

**纯 Java 实现的高性能向量搜索引擎**

## **简介**

**VectoRex** 是一个 **纯 Java 实现** 的高性能、可扩展的向量搜索引擎，专为现代 AI 和大数据应用设计。它结合了高效的向量索引（HNSW）和强大的标量索引（倒排索引、范围索引），支持复杂的混合查询（向量 + 标量），适用于推荐系统、图像搜索、自然语言处理等场景。

### 核心优势

- **纯 Java 实现**：无需依赖外部库，跨平台兼容，易于集成和部署。
- **高性能搜索**：基于 HNSW 算法，支持大规模向量的快速搜索。
- **混合查询**：支持向量搜索与标量过滤的无缝结合。
- **持久化存储**：内置高效的数据存储机制，确保数据安全。
- **易用性**：简洁的 API 设计，快速集成到现有系统。

---

## **为什么选择 VectoRex？**

### **纯 Java 实现的优势**

- **跨平台**：无需担心操作系统兼容性问题，真正实现“一次编写，到处运行”。
- **易于调试和维护**：纯 Java 代码，便于调试、优化和扩展。
- **轻量级**：不依赖复杂的第三方库，核心功能全部由 Java 实现。

### **性能与功能兼备**

- **高性能**：基于 HNSW 算法，支持高效的近似最近邻搜索（ANN）。
- **多功能**：支持向量搜索、标量过滤、混合查询等多种场景。
- **可扩展**：模块化设计，易于扩展新的索引算法和存储后端。

---

## **核心特性**

- **高性能向量搜索**  
  基于 HNSW（Hierarchical Navigable Small World）算法，支持高效的近似最近邻搜索（ANN），适用于高维向量数据。

- **混合查询**  
  支持向量搜索与标量过滤的结合，例如：
  - 查找与某张图片最相似的图片，且图片标签为“风景”。
  - 查找与某段文本最相似的文档，且发布时间在最近一周内。

- **持久化存储**  
  内置高效的数据存储机制，支持大规模数据集的存储和快速恢复。

- **灵活的索引管理**
  - 标量索引：支持倒排索引、范围索引，适用于精确匹配、范围查询和模糊查询。
  - 向量索引：支持动态添加、删除和更新向量数据。

---

## **快速开始**

### **1. 安装**

通过 Maven 引入 VectoRex：

```xml
<dependency>
    <groupId>io.github.javpower</groupId>
    <artifactId>vectorex-starter</artifactId>
    <version>1.0.0-M1</version>
</dependency>
```

### **2. 基本用法**
- **配置文件**
```yaml
vectorex:
  enable: true
  packages:
  - io.github.javpower.vectorextest.model
```

```java
// 示例代码
class VectorexTestApplicationTests {

@Autowired
  private FaceMapper faceMapper;
  @Test
  void testFace() {
    List<VectoRexResult<Face>> query;
    //新增
    List<Face> faces = generateFaces(5);
    faceMapper.insert(faces);
    //查询
    query = faceMapper.queryWrapper().eq(Face::getName, "Face 1").query();
    System.out.println(GsonUtil.toJson(query));
    List<Float> floats = generateRandomVector(128);
    query = faceMapper.queryWrapper().vector(Face::getVector, floats).query();
    System.out.println(GsonUtil.toJson(query));
    //删除
    faceMapper.removeById(1);
    //查询
    query = faceMapper.queryWrapper().eq(Face::getName, "Face 1").query();
    System.out.println(GsonUtil.toJson(query));
  }

public static List<Face> generateFaces(int count) {
    List<Face> faces = new ArrayList<>();
    for (int i = 0; i < count; i++) {
      Face face = new Face();
      face.setId((long) (i + 1)); // 生成从1开始的ID
      face.setName("Face " + (i + 1)); // 生成简单的名称
      face.setVector(generateRandomVector(128)); // 生成128维的随机向量
      faces.add(face);
    }
    return faces;
  }

private static List<Float> generateRandomVector(int dimension) {
    List<Float> vector = new ArrayList<>();
    Random random = new Random();
    for (int i = 0; i < dimension; i++) {
      vector.add(random.nextFloat()); // 生成0到1之间的随机浮点数
    }
    return vector;
  }
}
```

## **性能 benchmark**

- **待补充**

---

## **应用场景**

- **推荐系统**  
  快速找到与用户兴趣最匹配的内容。

- **图像搜索**  
  基于图像特征的相似性搜索。

- **自然语言处理**  
  语义搜索、文本相似度计算。

- **生物信息学**  
  基因序列比对、蛋白质结构搜索。

---

## **贡献指南**

- **待补充**

---

## **许可证**

VectoRex 基于 **Apache License 2.0** 开源。详情请参阅 [LICENSE](LICENSE) 文件。

---

## **联系我们**

- **邮箱**：javpower@163.com
- **GitHub**：[https://github.com/javpower/vectorex](https://github.com/javpower/vectorex)

---

xgc/VectoRex

简介

发行版

贡献者

近期动态

xgc/VectoRex .gitee-modal { width: 500px !important; }

简介

发行版

开源评估指数源自 OSS-Compass 评估体系，评估体系围绕以下三个维度对项目展开评估：

贡献者

近期动态

搜索帮助

xgc/VectoRex